怎么利用 Math.acos() 计算地理大圆距离并增加对输入变量在边界处（1.0 附近）的精度宽容度

处理 Math.acos() 的输入时，浮点误差常会让计算值跑出 [-1, 1] 的范围。这时候不需要慌张，一个稳妥的做法是先用安全截断函数把值“拉”回合法区间：const safeAcos = x => Math.acos(Math.max(-1, Math.min(1, x)));。接着用鲁棒性更好的球面余弦公式算出 cosσ，再调用 safeAcos；而当 cosσ > 0.999999 时，直接改用平面近似优化，避开 acos 在 1 附近的导数发散问题。

直接用 Math.acos() 计算大圆距离时，如果两点几乎重合或者几乎对跖（经度差约 180° 且纬度相反），输入值很容易因为浮点误差略出 [-1, 1] 的范围，比如出现 1.0000000000000002 或 -1.0000000000000002，结果就变成 NaN。这不是公式本身的错，根源在于浮点运算的精度限制。所以关键不是避开 acos，而是安全地预处理输入值。

用 clamp 技术预处理 acos 输入值

Math.acos(x) 只接受 x ∈ [-1, 1]。当球面余弦公式的结果因为浮点误差超出这个区间时，主动把它“拉回”合法范围，而不是抛异常或者跳过计算：

• 定义一个安全函数，很简单：const safeAcos = x => Math.acos(Math.max(-1, Math.min(1, x)));
• 这等价于“硬限幅”：小于 -1 的强制设为 -1，大于 1 的强制设为 1，中间值保持不变
• 这比做 isNaN(x) ? 0 : Math.acos(x) 更合理——因为 x=1.0000000000000002 的物理含义其实就是“夹角为 0”，对应距离为 0，而 acos(1)=0 恰好正确

使用更稳定的球面余弦公式变体

标准的 Ha versine 或球面余弦公式，在两点极近或极远时都会放大浮点误差。实践中推荐使用下面这种形式（基于余弦定理，但结构更鲁棒）：

• 设 φ1, φ2 为两点纬度（弧度），λ1, λ2 为经度（弧度）
• 计算：const cosσ = Math.sin(φ1)*Math.sin(φ2) + Math.cos(φ1)*Math.cos(φ2)*Math.cos(λ2−λ1);
• 紧接着调用：const σ = safeAcos(cosσ);
• 再乘以地球平均半径（比如 6371e3 米）得到距离

这个形式比先算 Δλ 再调用 cos(Δλ) 少了一次三角运算，而且 cos(λ2−λ1) 在 Δλ 接近 π 时精度尚可——cos 在 ±π 处导数为 0，误差传播本身就比较弱。

对极接近点（cosσ ≈ 1）做短路优化（可选）

当两点非常接近（比如 cosσ > 0.999999），acos 在 1 附近的导数趋近无穷（d(acos x)/dx = −1/√(1−x²)），微小的输入误差会被剧烈放大。这时可以切换到平面近似或者 Ha versine 的小角度展开：

• 判断条件：if (cosσ > 0.999999) { const Δφ = φ2 − φ1; const Δλ = λ2 − λ1; const a = Δφ*Δφ + Math.cos(φ1)*Math.cos(φ2)*Δλ*Δλ; return 6371e3 * Math.sqrt(a); }
• 这是球面正交投影的一阶近似（单位：弧度），对百米级距离误差远小于 acos 的数值误差
• 阈值 0.999999 对应夹角约 0.001 rad ≈ 63 km，具体数值可根据精度需求调整

验证边界行为的简单测试用例

写几个关键测试来确保鲁棒性：

• safeAcos(1.0 + 1e-15) → 返回 0（而不是 NaN）
• safeAcos(-1.0 - 1e-15) → 返回 Math.PI
• 同一点：φ1=φ2=0.5, λ1=λ2=0.3 → cosσ ≈ 1.0 → 距离 ≈ 0
• 对跖点：φ1=0.1, φ2=-0.1, λ1=0, λ2=Math.PI → cosσ ≈ -1.0 → 距离 ≈ 20015 km

这些测试其实不复杂，但很容易被忽略——写代码时顺手加上，能省掉后面不少排查 NaN 的时间。